日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2512.03538

AdaPower: 予測的マニピュレーションのための世界基盤モデルの特化

AdaPower: Specializing World Foundation Models for Predictive Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

汎用世界基盤モデルを推論時適応と記憶持続で軽量に特化させ、事前学習済みVLAを再訓練なしで強化するフレームワークを提案。

詳しい要約

1. どんなもの?

- 汎用の World Foundation Models (WFMs) を、精密なロボット操作のための「専門家ワールドモデル」へと軽量に適応させるフレームワーク AdaPower の提案。 - AdaPower は Adapt and Empower の略。 - 推論時の適応機構と長期的整合性のための機構を組み合わせる。 - Model Predictive Control の枠組みに統合し、事前学習済み VLA ポリシーを強化する。

2. 先行研究と比べてどこがすごい?

- 既存研究は WFM を合成データ生成器として使うものが中心で、計算コストが高く、事前学習済み VLA ポリシーを十分に活用できていなかった。 - AdaPower はポリシーの再学習なしに事前学習済み VLA を強化できる点が異なる。 - LIBERO benchmarks でタスク成功率が 41% 以上向上。 - 計算効率と汎用能力を維持する点も主張されている。

3. 技術・手法の肝は?

- 2 つの新規コンポーネントが核。 - Temporal-Spatial Test-Time Training (TS-TTT): 推論時の適応のための機構。 - Memory Persistence (MP): 長期的整合性のための機構。 - 適応済みワールドモデルを Model Predictive Control フレームワーク内に統合し、事前学習済み VLA を活用する。 - 各コンポーネントの詳細なアルゴリズムは要旨からは不明。

4. どうやって有効だと検証した?

- LIBERO benchmarks 上で評価。 - ポリシーの再学習なしでタスク成功率が 41% 以上向上したと報告。 - 計算効率と汎用能力の維持についても検証されたと主張。 - 具体的なベースラインや実験設定の詳細は要旨からは不明。

5. 議論はある?

- 生成リアリズムと制御指向の精度のギャップという課題を扱う。 - 計算コストと事前学習済み VLA の活用不足を問題として指摘。 - 適応の汎化性や長期的整合性の限界、他のベンチマークへの転用可能性については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で直接参照されている研究は明示されていない。 - 関連手法として World Foundation Models (WFMs)、Vision-Language-Action (VLA) policies、Model Predictive Control、Test-Time Training、LIBERO benchmarks が挙げられる。 - 同分野の定番として、ロボット操作における world model ベースの Model Predictive Control や VLA ポリシーの研究を次に読む候補とする。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuhang Huang, Shilong Zou, Jiazhao Zhang, Xinwang Liu, Ruizhen Hu, Kai Xu

分類: cs.RO

原文アブストラクト

World Foundation Models (WFMs) offer remarkable visual dynamics simulation capabilities, yet their application to precise robotic control remains limited by the gap between generative realism and control-oriented precision. While existing approaches use WFMs as synthetic data generators, they suffer from high computational costs and underutilization of pre-trained VLA policies. We introduce \textbf{AdaPower} (\textbf{Ada}pt and Em\textbf{power}), a lightweight adaptation framework that transforms general-purpose WFMs into specialist world models through two novel components: Temporal-Spatial Test-Time Training (TS-TTT) for inference-time adaptation and Memory Persistence (MP) for long-horizon consistency. Integrated within a Model Predictive Control framework, our adapted world model empowers pre-trained VLAs, achieving over 41\% improvement in task success rates on LIBERO benchmarks without policy retraining, while preserving computational efficiency and generalist capabilities.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI